Índice

I Introducción 3

II Descripción del Problema 4

III Técnicas de Control en Manipuladores 5

IV Propuesta Inicial 6

V Algoritmo de Desarrollo 7

VI Análisis Dinámico Manipulador 2 gdl. 9

VII Modelo Dinámico Manipulador 2 gdl. 14

VIII Resultados algoritmos de Control. 20

IX Conclusión 22

1
Índice de figuras

1. Manipulador Robótico 2 gdl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2. Algoritmo de análisis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3. Esquema de Control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4. Plano cartesiano manipulador Scara. . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5. Diagrama de bloques posición, velocidad y aceleración . . . . . . . . . . . . . . . . 14
6. Diagrama en bloques Par Calculado . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
7. Señal deseada versus Par Calculado . . . . . . . . . . . . . . . . . . . . . . . . . . 16
8. Diagrama en bloque control Difuso . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
9. Diagrama de conjuntos de membresia, ángulo deseado y error . . . . . . . . . . . . 18
10. Diagrama de conjuntos de salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
11. Señal deseada versus Lógica Difusa . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
13. Gráfico comportamiento error utilizando Lógica Difusa . . . . . . . . . . . . . . . . . 20
12. Gráfico comportamiento error utilizando Par Calculado . . . . . . . . . . . . . . . . . 20
14. Gráfico comparativo de error cuadrático medio Par Calculado y Lógica Difusa . . . 21

2
Parte I

Introducción
La aparición de la robótica industrial a mediados del siglo XX ha presentado un crecimiento geo-
métrico, donde las labores que en un principio desarrollaban los manipuladores robóticos eran
tareas sencillas con el paso del tiempo se han ido complejizando.
Un avance sostenido y creciente en función de las aplicaciones robóticas, han sido los tipos
de control que sean desarrollado para poder gobernar la cinemática tanto directa como inversa.
El control de posición o regulación en robots manipuladores es un problema con gran impacto
en la industria, con lo cual se torna de vital importancia el desarrollo de nuevos algoritmos de
control los cuales deben presentar un mejor desempeño que el tradicional Proporcional Derivativo
(PD) mas compensación de gravedad [3].
El control de posición o regulación consiste en posicionar el efector terminal de un robot ma-
nipulador en una posición deseada fija y constante en el tiempo, sin importar las condiciones ini-
ciales. Este tipo de control puede considerarse como un caso particular del control de movimiento
(también denominado control de seguimiento), en el cual el efector terminal sigue una trayectoria
sin interactuar con el medio [5].
Los controladores proporcionales derivativos (PD) fueron muy utilizados junto a los proporcio-
nales derivativos integrativos (PID) mostrando buen desempeño de aplicaciones practicas.
En la actualidad diversas son las aplicaciones donde se ven involucrados los manipuladores
robóticos desde procesos industriales [2] hasta intervenciones quirúrgicas [1].

3
Parte II

Descripción del Problema

El objetivo fundamental en el desarrollo de la tesis propuesta para Magister, es el diseño de
un Sistema Tolerante a Fallas producidas por articulación libre, se entiende por articulación libre
al eslabón el cual posee un comportamiento caótico producido por la falla en su servomecanismo.
Una falla por articulación libre puede provocar choques por alcance dañándose o incluso pro-
vocar la muerte de alguna persona que se encuentre en la trayectoria libre y caótica del eslabón,
usando una técnica de control inteligente “Sistema Difuso” la cual busca un comportamiento me-
jorado o menos caótico por la falla en el servomotor de un manipulador de 2 dof 1 , es el objetivo
de este trabajo.

1 Degree Of Freedom

4
Parte III

Técnicas de Control en Manipuladores

Considerando técnicas de control avanzadas con énfasis en la no linealidad es posible mani-
pular una mayor cantidad de variables físicas MIMO2 , en los sistemas robóticos, con esto se logra
mayor precisión en el manejo de trayectorias. En la actualidad existen técnicas como el control
fuzzy el cual provee una poderosa herramienta para resolver problemas con ambientes impre-
decibles [8]. Los controladores fuzzy pueden desempeñarse mejor que un controlador PID lineal
puesto que estos no poseen características no lineales [4][7][6].
Las redes neuronales artificiales ANN 3 son capaces de aproximar cualquier función continua
real con precisión arbitraria. Esta característica ha permitido emplearlas en diferentes aplicaciones
tales como: Identificación de sistemas, reconocimiento de patrones, control de sistemas dinámi-
cos.
El Control Par - Calculado es un controlador no lineal en las variables de estado con el cual se
consigue describir el sistema de control en malla cerrada ahora mediante una ecuación diferencial
lineal. Este controlador es capaz de satisfacer el objetivo de control de movimiento en forma global.

2 Multi Input Multi Output

3 Artificial Neural Network

5
Parte IV

Propuesta Inicial
Dado el creciente avance en las técnicas de control para manipuladores, podemos lograr un
destacado análisis y aplicación sobre el manejo de la trayectoria del efector terminal4 , conside-
rando la premisa que bajo los parámetros establecidos de funcionamiento, nuestro manipulador
debiese actuar en optimas condiciones es lo que lleva a nuestra propuesta inicial.
¿Que sucede si nuestro manipulador entra en falla, mas precisamente una falla producida por
articulación libre?, en la siguiente figura se aprecia un manipulador robótico de 2 gdl5 , al cual se
marco con una flecha la unión de falla.

Figura 1: Manipulador Robótico 2 gdl .

Se propone un análisis de control difuso mediante simulación, se diseña un control difuso el

cual es aplicado al eslabón en falla que es caracterizado por un comportamiento caótico.

4 Efector terminal corresponde al encargado de materializar el trabajo previsto ejemplo un electroimán.

5 Grado de Liberted

6
Parte V

Algoritmo de Desarrollo
El objetivo principal del trabajo de Control Inteligente, es:

Contrastar mediante el error cuadrático medio (RMS)6 el método de Par Calculado versus
método de Control Inteligente del tipo Fuzzy-Mamdani, en trayectoria, considerando una
articulación en falla.

Mediante gráficas vinculadas a los métodos de control se expone la magnitud del error cua-
drático medio.

En la siguiente figura se observa algoritmo que relaciona el trabajo de análisis.

Figura 2: Algoritmo de análisis.

6 Root Mean Square

7
 Junto con algoritmo de análisis establecido, es importante determinar el esquema de control,
el cual se detalla a continuación.

Figura 3: Esquema de Control.

8
Parte VI

Análisis Dinámico Manipulador 2 gdl.

Del siguiente plano cartesiano, la cual representa un manipulador tipo Scara7 se pueden apre-
ciar los ángulos con los cuales se desarrollara mediante el Lagrangiano la obtención de los torques
deseados.

Figura 4: Plano cartesiano manipulador Scara.

La posición del manipulador al centro de masa para el primer eslabón esta dada por:

x1 = lc1 cos (q1 )

y1 = lc1 sen (q1 )

La posición del manipulador al centro de masa para el segundo eslabón esta dada por:

x2 = l1 cos (q1 ) + lc2 cos (q1 + q2 )

y2 = l1 sen (q1 ) + lc2 sen (q1 + q2 )

7 Selective Compliant Assembly Robot

9
 De las ecuaciones de posición podemos obtener las expresiones para las velocidades:
   
ẋ1 −lc1 sen (q1 ) q̇1
v1 =  = 
ẏ1 lc1 cos (q1 ) q̇1

Para el estudio presentado es fundamental el trabajo en el desarrollo del Lagrangiano, donde

la primera etapa es el análisis de la conservación de la energía, la cual esta dispuesta según:

L=K −U

Donde K es la energía cinética y U es la energía potencial, del sistema.

Para determinar la energía cinética debemos considerar que esta se descompone a su vez
es dos, la energía cinética del primer eslabón y del segundo eslabón, por ende se puede escribir
como:

K (q, q̇) = K1 (q, q̇) + K2 (q, q̇)

donde K1 (q, q̇) = 12 m1 v1T · v1 , y v1T · v1 = lc1

2
· q̇12 , se debe considerar ademas la energía cinética
correspondiente a la inercia, por lo tanto la expresión final para K1 (q, q̇) es:

1 2 1
K1 (q, q̇) = m1 lc1 · q̇12 + I1 q̇12
2 2

Ahora usando la ecuación de posición para el eslabón 2 podemos expresar el vector de velo-
cidad:
   
ẋ2 −l1 sen (q1 ) q̇1 − lc2 sen (q1 + q2 ) (q̇1 + q̇2 )
v2 =  = 
ẏ2 l1 cos (q1 ) q̇1 + lc2 cos (q1 + q2 ) (q̇1 + q̇2 )

De la expresión vectorial de v2 se obtienev2T · v2 .

v2T · v2 = l12 q̇12 + lc2

2
q̇12 + 2q̇1 q̇2 + q̇22 + 2l1 lc2 q̇12 + q̇1 q̇2 cos (q2 )

1 1 2
K2 (q, q̇) = m2 v2T · v2 + I1 (q̇1 + q̇2 )
2 2

10
 1
1 2
m2 l12 q̇12 + lc2
2
q̇12 + 2q̇1 q̇2 + q̇22 + 2l1 lc2 q̇12 + q̇1 q̇2 cos (q2 ) + I1 (q̇1 + q̇2 )



K2 (q, q̇) =
2 2

Por lo tanto el Lagrangiano queda expresado como:

1 2 1 1
1 2
·q̇12 + I1 q̇12 + m2 l12 q̇12 + lc2
2
q̇12 + 2q̇1 q̇2 + q̇22 + 2l1 lc2 q̇12 + q̇1 q̇2 cos (q2 ) + I1 (q̇1 + q̇2 )



L (q, q̇) = m1 lc1
2 2 2 2

De esta ultima ecuación, se pueden determinar las siguientes representaciones matemáticas:

∂L 2
+ m2 l12 + m2 lc2
2


= q̇1 m1 lc1 + 2m2 l1 lc2 cos (q2 ) + I1 + I2 + q̇2 (1 + cos (q2 ) m2 l1 lc2 + I2 )
∂ q̇1

 
d ∂L 2
+ m2 l12 + m2 lc2
2 2
   
= q̈1 m1 lc1 + 2m2 l1 lc2 cos (q2 ) + I1 + I2 +q̈2 m2 lc2 + m2 l1 lc2 cos (q2 ) + I2 ....
dt ∂ q̇1

.... − q̇1 q̇2 2m2 l1 lc2 sen (q2 ) − q̇22 [m2 l1 lc2 sen (q2 )]

∂L
=0
∂q1

∂L 2

2


= q̇1 m2 lc2 + cos (q2 ) m2 l1 lc2 + I2 + q̇2 m2 lc2 + I2
∂ q̇2

 
d ∂L 2

2


= q̈1 m2 lc2 + m2 l1 lc2 cos (q2 ) + I2 + q̈2 m2 lc2 + I2 − q̇1 q̇2 m2 l1 lc2 sen (q2 )
dt ∂ q̇2

∂L
=0
∂q2

Entonces los torques se pueden expresar como:

2
+ m2 l12 + m2 lc2
2 2
   
τ1 = q̈1 m1 lc1 + 2m2 l1 lc2 cos (q2 ) + I1 + I2 +q̈2 m2 lc2 + m2 l1 lc2 cos (q2 ) + I2 +.....

11
 ..... − q̇1 q̇2 2m2 l1 lc2 sen (q2 ) − q̇22 m2 l1 lc2 sen (q2 )

2 2



τ2 = q̈1 m2 lc2 + m2 l1 lc2 cos (q2 ) + I2 +q̈2 m2 lc2 + I2 −q̇1 q̇2 m2 l1 lc2 sen (q2 )+q̇2 m2 l1 lc2 (2q̇1 + q̇2 ) sen (q2 )

Considerando las expresiones vinculadas al torque, se puede escribir de manera vectorial, pero
ahora considerando la notación en términos de la matriz de inercia M nxn , de la matriz centrífuga
y de Coriolis C nxn y el vector de gravedad g nx1 .
     
M11 M12 C11 C12 0
τ =  q̈ +   q̇ + g  
M21 M22 C21 C22 0

2
M11 = m1 lc1 + m2 l12 + m2 lc2
2
+ 2m2 l1 lc2 cos (q2 ) + I1 + I2
2
M12 = m2 lc2 + m2 l1 lc2 cos (q2 ) + I2
2
M21 = m2 lc2 + m2 l1 lc2 cos (q2 ) + I2
2
M22 = m2 lc2 + I2
C11 = −q̇2 2m2 l1 lc2 sen (q2 )
C12 = −q̇2 m2 l1 lc2 sen (q2 )
C21 = −q̇2 m2 l1 lc2 sen (q2 )
C22 = m2 l1 lc2 (2q̇1 + q̇2 ) sen (q2 )
Los valores físicos establecidos para el manipulador son:
l1 = 0,45 mt
l2 = 0,86 mt
lc1 = 0,3195 mt
lc2 = 0,5966 mt
m1 = 2,2 kg
m2 = 5,18 kg
I1 = 0,32 kg · mt2
I2 = 2,16 kg · mt2
Entonces reescribiendo la matriz de torque con los valores físicos, se obtiene:

12
    
4,3696 + 2,7813 · cos (q2 ) 4 + 1,39 · cos (q2 ) −q̇2 2,781 · sen (q2 ) −q̇2 1,39 · sen (q2 )
τ =  q̈+  q̇
4 + 1,39 · cos (q2 ) 4 −q̇2 1,39 · sen (q2 ) 1,39 · sen (q2 ) · (2q̇1 + q̇2 )

13
Parte VII

Modelo Dinámico Manipulador 2 gdl.

El modelo dinámico de un robot tiene por objetivo conocer la relación entre el movimiento del
robot y las fuerzas implicadas en el mismo. El modelo dinámico directo expresa la evolución tem-
poral de las coordenadas articulares del robot en función de las fuerzas o pares que intervienen.
La dinámica directa en este caso se encuentra relacionada con las ecuaciones de torque ob-
tenidas en la parte VI, de estas ecuaciones se obtiene:

τ = q̈M (q) + C (q, q̇) q̇

−1
q̈ = M (q) [τ (t) − C (q, q̇) q̇]

La ultima ecuación se puede representar mediante variables de estado como:

   
d   q q̇
= 
dt q̇ −1
M (q) [τ (t) − C (q, q̇) q̇]

De la aceleración angular q̈ y usando bloques integradores se determina la velocidad q̇ y la

posición q.

Figura 5: Diagrama de bloques posición, velocidad y aceleración

14
Control por Par Calculado

El control mediante el Par Calculado para el eslabón n°2, se realizó mediante el análisis de
Newton-Lagrange, del cual se obtuvo la matriz de Inercia M (q) y la matriz de fuerzas centrifugas
y de Coriolis C (q, q̇), como se muestra en la figura N°6.

Figura 6: Diagrama en bloques Par Calculado

15
Gráfico comportamiento Par Calculado

El siguiente gráfico representa el comportamiento de la planta mediante el Par Calculado.

Figura 7: Señal deseada versus Par Calculado

16
Control por Lógica Difusa

Utilizando Inteligencia Artificial , mediante lógica difusa, se realizo el control del eslabón 2, el
diagrama en bloque representativo es el indicado en la figura n°7

Figura 8: Diagrama en bloque control Difuso

Lógica Difusa

La lógica Difusa utilizada en el control de la posición fue mediante la implicación de Mamdani,

se consideraron dos entradas:

1. Posición deseada qd .

2. Error qe = qd − q.

Cada una de estas señales poseen 3 conjuntos de membresia, como se puede mostrar en la figura
n°8.
El conjunto de membresia correspondiente a la salida es:

17
 Figura 9: Diagrama de conjuntos de membresia, ángulo deseado y error

Figura 10: Diagrama de conjuntos de salida

En el método de desfusificación utilizado fue el mayor de los máximos.

18
Gráfico comportamiento Lógica Difusa

El siguiente gráfico representa el comportamiento de la planta mediante Lógica Difusa.

Figura 11: Señal deseada versus Lógica Difusa

19
 Figura 13: Gráfico comportamiento error utilizando Lógica Difusa

Parte VIII

Resultados algoritmos de Control.

Comportamiento error cuadrático medio Pal Calculado

Los resultados obtenidos mediante la técnica de control de Par Calculado corresponde a un

error cuadrático medio de 12,4 dicho valor fue generado en Matlab y trabajado en excel, el com-
portamiento se observa en la siguiente figura n°10

Figura 12: Gráfico comportamiento error utilizando Par Calculado

Comportamiento error cuadrático medio Lógica Difusa

Los resultados obtenidos para el control del eslabón 2 mediante Lógica Difusa corresponden
a un valor de error cuadrático medio de 0.08, el comportamiento del error se puede apreciar en la
figura n°11

20
Gráfico comparativa errores Par Calculado y Lógica Difusa

Mediante el siguiente gráfico podemos observar la comparación del error cuadrático medio
correspondiente al Par Calculado y a la Lógica Difusa, figura n°12

Figura 14: Gráfico comparativo de error cuadrático medio Par Calculado y Lógica Difusa

21
Parte IX

Conclusión
Finalmente al comparar mediante el error cuadrático medio el comportamiento en el control de
una planta (Robot de 2 gdl) utilizando la técnica del Par Calculado y de Lógica difusa, mediante los
resultados se observar que el procedimiento por Par Calculado entregó un valor de error cuadrático
medio de un 12,04 mientras que por medio de la Lógica Difusa se obtuvo un valor de 0,08.
El análisis dinámico del manipulador es una tarea laboriosa, dado que en el proceso de cálculo
considera variables físicas tales como Inercia, momentos de Inercia, centros de masa, etc las
cuales fueron calculadas utilizando la herramienta Solidworks y Matlab.
El método de desfusificación utilizado es el mom (mayor de los máximos), dado que se pre-
tendía utilizar el método del centroide, pero existió inconvenientes al momento de realizar la si-
mulación, aún así utilizando el método mom y la cantidad de reglas difusas este entrego un error
considerablemente menor en comparación al Par Calculado.

22
Referencias

[1] CirugiaRobotica. Cirugiarobotica, 2016. URL http://www.scielo.cl. Ultimo acceso 21/05/2016.

[2] Aplicacion Robot en la Industria. Aplicacion robot en la indus-

tria, 2016. URL http://www.interempresas.net/Robotica/Articulos/100711-
Aplicaciones-y-tendencias-en-robotica-para-la-industria-de-la-alimentacion.html. Ultimo
acceso 21/05/2016.

[3] R. Kelly and V. Santibáñez. Control de movimiento de robots manipuladores. Automáti-

ca y Robótica. Pearson Educación, 2003. ISBN 9788420538310. URL https://books.goo-
gle.cl/books?id=KFUtnwEACAAJ.

[4] Ebrahim H Mamdani. Application of fuzzy algorithms for control of simple dynamic plant. In Pro-
ceedings of the Institution of Electrical Engineers, volume 121, pages 1585–1588. IET, 1974.

[5] Carlos Muñiz Montero, Fernando Reyes Cortés, Luis Enrique Erro No, and Tonantzintla Puebla.
Teorema para el diseño de reguladores auto-sintonizables para robots manipuladores.

[6] DA Tibaduiza, I Amaya, Silvia Rodríguez, N Mejia, and Mario Flórez. Implementación de un
control fuzzy para el control cinemático directo en un robot manipulador. Ingeniare. Revista
chilena de ingeniería, 19(3):312–322, 2011.

[7] Ronald R Yager and Lotfi A Zadeh. An introduction to fuzzy logic applications in intelligent
systems, volume 165. Springer Science & Business Media, 2012.

[8] Z. M. O. Yousif and M. Fathelrahman. Neuro-fuzzy inference system based controller in 6 dof in
puma 560. In Computing, Electrical and Electronics Engineering (ICCEEE), 2013 International
Conference on, pages 1–7, Aug 2013. doi: 10.1109/ICCEEE.2013.6633930.

23